Ang Kakulangan sa Paggawa ay Pumapatay sa American Manufacturing. Narito Kung Paano Ito Maibabalik ng AI sa Buhay.

Ang pagmamanupaktura ng US ay nakahanda para sa isang makabuluhang muling pagkabuhay. Ang mga pagkasira ng supply chain na dulot ng pandemya ay nagpakita ng kahinaan ng labis na pag-asa sa isang mahabang supply chain, lalo na sa labas ng US.

Dagdag pa, ang tumataas na tensyon sa China ay naging sanhi ng pag-aalinlangan ng US sa pagdepende nito sa pagmamanupaktura ng China para sa tagumpay ng ekonomiya. Binago ng mga isyung ito ang pangako ng mga kumpanya sa pagmamanupaktura ng US na magtayo nang lokal.

Ang problema ay-ang pagmamanupaktura ng Amerika ay kritikal na kulang sa paggawa na kailangan nito upang himukin ang rebolusyong iyon. Kulang lang ang mga skilled workers para gawin ang trabaho, o sapat na unskilled workers na gustong matuto.

Ang pangangailangan ay tunay na ina ng imbensyon, gayunpaman. Ang kakulangan sa paggawa sa pagmamanupaktura ay nagbigay daan para sa malawakang pag-deploy ng ilang napakakapana-panabik na mga inobasyon sa Artipisyal na Katalinuhan para sa pagmamanupaktura. Napakalakas ng mga pag-unlad na ito na hinuhulaan ni McKinskey na lilikha sila ng ilan $3.7 trilyon ang halaga sa pamamagitan 2025.

Ngunit bago tayo pumasok dito, tingnan muna natin ang krisis sa paggawa na nag-uudyok sa rebolusyon.

Narito Kung Gaano Kasama ang Problema sa Paggawa sa American Manufacturing

Kahit na ang bawat bihasang manggagawa sa Amerika ay nagtatrabaho, magkakaroon pa rin 35% higit pang mga hindi napunong bakanteng trabaho sa sektor ng pagmamanupaktura ng matibay na kalakal kaysa sa mga skilled worker na kayang punan ang mga ito. Hulaan ni Deloitte isang kakulangan ng higit sa dalawang milyong Amerikanong manggagawa sa pagmamanupaktura sa 2030, na kumakatawan sa isang opportunity cost na $1 trilyong dolyar bawat taon.

Kung hindi makontrol, malamang na lalala ang mga bagay, hindi mas mabuti. Meron pa naman 40 milyong Baby Boomer sa workforce—humigit-kumulang 25% ng kabuuang lakas-paggawa, na marami sa kanila ay nasa "old school" na mga tungkulin sa pagmamanupaktura. Habang nagretiro ang mga Boomer, iniiwasan ng mga nakababatang manggagawa ang mga trabaho sa pagmamanupaktura pabor sa teknolohiya, pangangalaga sa kalusugan, at iba pang pagkakataon kung saan mas kaakit-akit ang mga kondisyon sa pagtatrabaho at kabayaran.

Ang Estados Unidos ay maaaring mabilis na pataasin ang imigrasyon mula sa mga bansa kung saan ang mga manggagawa ay sabik na makakuha ng trabaho sa Amerika, ngunit iyon ay kasama ng sarili nitong hanay ng mga hamon, at mangangailangan ng higit pang pampulitika na pangkukulam kaysa sa naiisip kong posible. Bukod pa rito, maaaring mag-ingat ang mga tagapag-empleyo sa pagsasanay ng bagong skilled labor para lamang makitang sarado muli ang kanilang mga operasyon sa susunod na lockdown.

Upang mapanatili ang pag-ikot ng mga makina, ang mga tagagawa ng Amerika ay kailangang maghanap ng mga alternatibo sa paggawa ng tao.

Ang AI ay Maaaring Maging Malaking Bahagi ng Solusyon sa Kakulangan sa Paggawa

Bahagi ng solusyon sa problemang ito, hindi nakakagulat, ay Artificial Intelligence. Tulad ng ibang industriya, hindi maiiwasan na maraming dating trabaho ng tao ang mapapalitan ng AI. Pero sa halip na mag-alala mga trabahong nasa panganib mula sa AI, sa kasong ito, dapat mong pag-isipan kung paano makakatulong ang AI na panatilihing tumatakbo ang iyong mga operasyon at ang iyong kawani ng tao ay nagtatrabaho.

Narito ang ilan lamang sa mga paraan na makakatulong ang AI sa Manufacturing na mabawasan ang kakulangan sa paggawa at baguhin ang paraan kung paano ginagawa ang mga produkto sa lupa ng US:

Robotic Automation

Ang mga robot ay ginamit nang ilang dekada sa mga larangan tulad ng automotive manufacturing at steelworks, kung saan nagsagawa sila ng paulit-ulit na production floor operations gaya ng heavy lifting at joint welding. Gayunpaman, ang mga maginoo na robot na ito ay idinisenyo lamang upang maisagawa ang mga gawaing napakakitid na tinukoy sa ilalim ng mga mahuhulaan na pangyayari.

Ngayon, ang mga artificial intelligence application tulad ng Siemens' Simatic neural processing unit ay nagbibigay-kapangyarihan sa mga braso ng robot na hawakan at manipulahin ang mga bagay anuman ang kanilang oryentasyon, bilis, o pagkakalagay. Nangangahulugan iyon na ang mga robot at "co-bots" (mga robotic assistant na idinisenyo upang magtrabaho kasama ng mga tao) ay maaaring sanayin upang magsagawa ng iba't ibang uri ng trabaho sa linya ng pagpupulong, tulad ng ginagawa ng mga tao. Samantala, ang Autonomous Guided Vehicles (AGVs), na armado ng mga AI function tulad ng mapping, surface anomaly detection, at object avoidance technology, ay maaaring maghatid ng mga piyesa at tapos na mga produkto sa pamamagitan ng mga bodega at factory floor bilang kapalit ng mga crew at forklift operator.

Magkasama, ang mga robotic na inobasyong ito na pinapagana ng AI ay makakatipid ng hindi bababa sa 75% ng mga gastos sa paggawa ng paggamit ng mga tao nang mag-isa, paganahin ang 24 na oras na tuluy-tuloy na produksyon, at tumulong na maiwasan ang pinsala mula sa mga panganib sa assembly line, paghawak ng mabibigat na materyales, at paulit-ulit na paggalaw. Hindi kataka-taka na ang mga modernong robotics ay nagmamaneho na pagbaligtad ng mga kapalaran sa paggawa sa mga lugar tulad ng Singapore at South Korea. Bakit hindi gawin ang parehong sa Estados Unidos?

Pagdagdag ng Paggawa

Ang isa pang lugar kung saan tinutulungan ng AI na maibsan ang kakulangan sa paggawa ng paggawa ay nasa 3D printing. Ayon sa kumbensyonal na diskarte, ang mga mahusay na taga-disenyo at inhinyero ay dapat gumamit ng mga taon ng karanasan at isang "pinakamahusay na hula" na diskarte upang makarating sa pinakamahusay na solusyon sa disenyo. Ngunit binibigyang kapangyarihan na ngayon ng AI ang isang mabilis, generative na diskarte sa pagbuo ng kumplikado at lubos na na-optimize na mga solusyon sa disenyo na maaaring magawa nang mabilis sa pamamagitan ng 3D printing.

Ang machine learning sa mga software system tulad ng Autodesk's Netfabb, halimbawa, ay nagbibigay-daan sa mga manufacturer mga parameter ng disenyo ng input at humiling ng pinakamabisa, epektibo, at nagagawang mga opsyon. Kapag ang isang disenyo ay napili, AI mula sa mga kumpanya tulad ng NNAISENCE ay gumagamit neural network at digital twins upang hulaan, subaybayan, at alisin ang mga depekto sa additive na proseso ng pagmamanupaktura, na tumutulong upang maiwasan ang mga magastos na pagkaantala at pagkakamali. Maaaring gamitin ang AI software tulad ng Intellegens' Alchemite isipin ang mga bago at kakaibang materyales angkop para sa mga partikular na pangangailangan sa pagmamanupaktura at paggamit ng produkto.

Kung ang lahat ng hindi kapani-paniwalang kumplikadong mga pag-andar na ito ay gagawin ng mga tao lamang, mangangailangan sila ng mas malalaking koponan ng mga mahusay na inhinyero at taga-disenyo, at kadalasang magreresulta sa mas mababang mga resulta.

Vision ng Machine

Kapag naisip mo ang isang manufacturing assembly line, malamang na una mong naiisip ang isang conveyor belt ng mga produkto na hinahampas mula sa isang istasyon patungo sa susunod, kung saan ang mga manggagawa ng tao ay nag-iinspeksyon ng mga produkto habang sila ay nasa daan. Sa karamihan ng mga kapaligiran sa pagmamanupaktura, iyon ay talagang hindi malayo sa katotohanan. Ito ay paulit-ulit, masinsinang paggawa, at madaling pagkakamali, ngunit ito ay mahalaga sa proseso ng pagtiyak ng kalidad.

Magpasok Autonomous Machine Vision (AMV), pinangunahan ng mga kumpanya ng AI tulad ng Inspekto at Matroid. Gamit ang mga camera at AI na kumikilala sa hugis, oryentasyon, at kundisyon ng mga produkto ng assembly line sa ilalim ng iba't ibang kondisyon ng pag-iilaw, mabibilang at masusubaybayan ng mga AMV system ang mga item, spot defect, at pag-uri-uriin ang mga produkto nang naaayon, habang tumatakbo ang mga ito. Tinatanggal nito ang karamihan sa pangangailangan para sa mga mata at kamay ng tao sa proseso ng QA.

Magagamit din ang machine vision upang suportahan ang pag-iimpake, palletization, at pag-load ng kargamento, makatipid sa paggawa, oras at pera. Maaaring matukoy ng mga solusyon mula sa mga kumpanya tulad ng RobitIQ at Spiroflow ang pinakamainam na paraan ng palletizing, halimbawa, kung saan ang isang robotic arm ay humawak at awtomatikong naglalagay ng mga karton sa mga pallet.

Pag-optimize ng Produksyon

Kapag bumaba ang mga makina ng produksyon, madalas itong nangangailangan ng espesyal na pagsusuri at mga ahente sa pagkumpuni, na kadalasang ipinadala mula sa gumagawa, na nagkakahalaga ng oras at pera. Hindi lamang magagamit ang AI mula sa mga provider tulad ng Vanti at 3DS upang subaybayan ang pagkasuot ng makina at amag upang maiiskedyul ang preventative maintenance para sa pinakamainam na oras, ngunit maaari din nitong subaybayan ang temperatura, halumigmig, at mga pagkakaiba-iba ng pagpapatakbo para sa iba't ibang produkto at materyales, upang maaaring i-optimize ang mga makina ng produksyon batay sa kasalukuyang mga kondisyon.

Kapag nagkamali, masusuri ng AI ang lahat ng posibleng dahilan at magmungkahi ng pinakamahusay na posibleng paraan ng pagkilos. Iyan ay isang bagay na magagawa lamang ng isang napakahusay na human maintenance engineer sa karamihan ng mga pabrika.

Ngunit ito ay hindi lamang tungkol sa pagpapanatili at pagkontrol sa pinsala. Ang mga cloud at edge system na pinapagana ng AI tulad ng Brilliant Manufacturing Suite ng GE at Siemens' Mindsphere ay nagtatrabaho upang ikonekta at pamahalaan ang buong proseso ng pagmamanupaktura mula sa disenyo hanggang sa paghiling ng pagpaplano at imbentaryo ng materyal, hanggang sa pagkonsumo ng enerhiya hanggang sa endgame logistics.

Ang Pangangailangan para sa AI sa Paggawa ay Mas Higit Pa Sa Inaakala Mo

Isipin ang mga anthropomorphic na robot na may malawak na hanay ng pisikal na pag-andar at kakayahang umangkop na pinapagana ng AI na magagawa nila ang halos anumang manu-manong paggawa na kasalukuyang kayang gawin ng mga tao. Kapag nangyari iyon, ano ang pagkakaiba ng halaga ng paggawa sa mga umuunlad na bansa bilang isang competitive advantage? Ang mga manufacturer na pinapagana ng AI ay hindi na kailangang mag-recruit at magsanay ng halos kasing dami ng mga manggagawa. Hindi na sila mag-aalala tungkol sa susunod na pandemya at lockdown. Maiiwasan nila ang marami sa mga single-source na hamon na kasama ng ating kasalukuyang krisis sa pamamahala ng supply chain. At marami pang iba.

Habang ang mga sistema ng Artipisyal na Intelligence ay nakalantad sa parami nang parami ng data, sila ay patuloy na mapapabuti, na lumilikha ng isang flywheel effect na pinaalis ka kaagad sa negosyo kung makaligtaan mo ang tren. Gayunpaman, ang rebolusyong ito ay mayroon ding natatanging kapangyarihan upang ganap na pasiglahin ang pagmamanupaktura ng Amerika, marahil ay ginagawa itong muli sa gitna ng pinakamakumpitensya sa mundo.

Ang rebolusyon sa pagmamanupaktura ng AI ay nangyayari ngayon, hindi sa isang hindi maisip na punto sa abot-tanaw. Ang krisis sa paggawa na ito ay hindi isang lumilipas na pagkayamot. Bahagi ito ng bagong business landscape na dapat nating asahan sa mga darating na taon. Mga tagagawa na nagpoposisyon sa AI bilang ang pangunahing driver ng kanilang tagumpay ay aani ng mga benepisyo sa loob ng ating kasalukuyang dekada.

Kung nagmamalasakit ka sa kung paano tinutukoy ng AI ang mga nanalo at natalo sa negosyo, at kung paano mo magagamit ang AI para sa kapakinabangan ng iyong organisasyon, hinihikayat kitang manatiling nakatutok. Sumulat ako (halos) eksklusibo tungkol sa kung paano epektibong magagamit ng mga senior executive, board member, at iba pang lider ng negosyo ang AI. Maaari mong basahin ang mga nakaraang artikulo at maabisuhan ng mga bago sa pamamagitan ng pag-click sa "follow" button dito.